锆合金薄板冲压工艺的多种群社会群体算法优化

为了减小锆合金薄板冲压成形件的最大减薄率、提高冲压成形件质量,提出了基于多种群社会群体算法的冲压工艺优化方法。介绍了冲压件的3维尺寸和锆合金材料力学参数,以有限元仿真的方式确定了锆合金冲压成形的缺陷。选择冲压速度、压边力、模具间隙作为优化参数,以减小冲压件的最大减薄率为目标建立了优化模型。使用智能神经网络建立了输入参数与输出参数的回归模型,并对回归效果进行了检验。分析了社会群体优化算法的多样性缺陷,在算法中加入了多种群机制和多知识来源机制,提出了多种群社会群体优化算法。使用多种群社会群体算法求解优化模型,得到了工艺参数的优化值。依据优化参数生产了10个冲压试制件,经测量冲压试制件的最大减薄率均值为7.916%,明显小于优化前的最大减薄率10.746%,说明经过优化明显减小了锆合金冲压件的最大减薄率。10个试制件的最大减薄率标准差仅为0.652%,说明生产过程稳定。     

RSM优化冲焊型液力变矩器叶片冲压工艺及回弹抑制

冲焊型液力变矩器性能与叶片形状密切相关，为提高叶片成形精度，减小回弹对性能的影响，以摩擦系数、模具间隙、冲压速度为试验因素，以叶片最大减薄率和最大回弹量为优化目标，基于优化拉丁超立方试验方法，通过Dynaform对涡轮叶片冲压过程及回弹变形进行模拟获得样本数据，研究不同工艺参数对叶片成形质量的影响，并得到关于优化目标的多项式回归响应面模型。结合多目标优化算法对冲压工艺进行优化求解，获得最优解集，选取最优冲压工艺参数组合。最后对所选优化工艺参数进行仿真验证，结果显示，优化后叶片成形质量良好，减薄率和回弹均得到优化。     

TRIP600钢板成形汽车前纵梁冲压工艺研究

TRIP高强度钢板具有高强度、高应变率变形时的高动态吸能特性,符合现代汽车用钢材料的发展趋势。基于有限元法对TRIP600的汽车前纵梁冲压成形过程进行数值模拟,通过调整坯料外形,改善了成形质量;采用多元非线性回归模型分别拟合成形工艺参数(压边力、摩擦因数和拉深筋阻力)与破裂目标函数及回弹目标函数间的非线性关系,并基于NSGA-II多目标遗传算法,进行了成形工艺参数的优化,进一步提高了成形质量。     

汽车防撞梁超高强钢热成形工艺研究

采用数值模拟与试验相结合的方法研究了防撞梁热冲压成形工艺。根据BR1500HS材料特性,通过数值模拟优化工艺参数,建立了冲压力与初始成形温度和冲压速度的关系模型,指出了冲压力变化趋势,并通过防撞梁热冲压试验验证了冲压力模型的可靠性。零件性能测试结果显示,热冲压件的厚度和硬度分布较为均匀:平均硬度为47.6HRC,最大减薄率为17%,零件抗拉强度达到1545MPa,最大残余应力只有抗拉强度的20%左右,回弹较小,组织为均匀板条状马氏体。     

高强度钢冲压成形中扭曲回弹仿真与工艺参数优化

板料冲压成形过程中易出现起皱、破裂、回弹缺陷,其中高强度钢冲压件的回弹问题更为严重,通过采用板料成形仿真软件Dynaform对某汽车结构件的回弹过程进行模拟分析,结合均匀实验设计方法,用二次多项式拟合了该件扭曲回弹角与冲压速度、压边力、凸凹模间隙和摩擦系数的回归模型,得出控制扭曲回弹最优的工艺参数组合,并对回归模型进行了瞬态的灵敏度分析,结果表明,采用优化后的工艺参数使零件扭曲回弹控制良好,为预测和控制该类零件的冲压成形质量提供了良好的指     

基于改进粒子群算法和小波神经网络的高强钢扭曲回弹工艺参数优化*

针对高强钢复杂件冲压后出现的扭曲回弹现象,运用有限元仿真软件DYNAFORM对复杂件的冲压、回弹过程进行数值模拟,提出了评价复杂件扭曲回弹程度的指标,并运用试验设计和小波神经网络代理模型方法对扭曲回弹进行了优化研究。以某弯曲梁为研究对象,以扭曲回弹为成形目标,通过正交试验设计筛选出对扭曲回弹影响较大的工艺参数作为影响因素。利用拉丁超立方对影响因素进行抽样,通过数值模拟获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用改进的粒子群算法对该模型迭代寻优获得最优参数。结果表明：采用优化后的工艺参数能有效地减小该弯曲梁的扭曲回弹,该方法为减小复杂件的扭曲回弹提供一种有益的指导。     

基于NSGA-Ⅱ算法的汽车后背门内板拉延成形质量控制与预测

为避免汽车覆盖件冲压时出现起皱、开裂等成形缺陷,提出基于带精英策略的非排序遗传算法（NSGA-Ⅱ）对冲压成形工艺参数进行优化,实现对冲压成形质量的控制与预测。以某型汽车后背门内板作为研究对象,以压边力、摩擦系数、冲压速度和模具间隙作为试验因素,拉延变形时的最大增厚率和最大减薄率作为质量控制目标。应用拉丁超立方抽样方法并结合CAE分析技术建立试验样本,构建冲压工艺参数同成形质量控制目标之间的响应面模型,基于NSGA-Ⅱ算法在构建的响应面模型内计算获得了满足成形质量的一组最优工艺参数组合,同时给出了成形质量的预测值。实际冲压试模结果证明了文章所提方法的有效性,为汽车覆盖件的冲压成形质量控制与预测提供了一套可借鉴的方法。     

汽车引擎盖外板拉延成形工艺参数优化研究

针对汽车引擎盖外板拉延成形容易产生起皱、破裂、拉延不充分等缺陷的问题,对影响引擎盖外板成形质量的工艺参数进行了研究。运用单因素变量法,研究了压边力、凸凹模间隙、摩擦因数、拉延筋高度、冲压速度对引擎盖外板拉延成形的影响;提出了一种基于正交试验法和极差分析法,以最大减薄率为优化目标,获得了最优工艺参数组合,确定了各因素对引擎盖外板最大减薄率影响主次顺序的优化方法,并对试验结果进行了方差分析,得出了影响最大减薄率的显著因素;应用优化后的工艺参数进行了模拟仿真,获得了良好的拉延成形效果。研究结果表明:使用最优工艺参数组合进行试模,获得的引擎盖外板最大减薄率为19.585%,最大增厚率为1.047%,成形质量较好;应用基于正交试验法的数值模拟技术能够提高引擎盖外板成形质量,减少试模次数、缩短生产周期、降低生产成本。     

基于微型多目标遗传算法的薄板冲压成形变压边力优化

提出一种高效的薄板冲压成形变压边力多目标优化方法，该方法以减少冲压件的成形缺陷为优化目标，以变压边力曲线的特征参数为优化变量，采用自主开发的微型多目标遗传算法作为优化算法，并在优化过程中引入神经网络近似模型以减少数值模拟的次数，提高优化效率。通过NUMISHEET’93的U形弯曲标准模型和某车型前地板角支撑板冲压成形模型两个变压边力优化实例对该方法进行了验证。结果表明，该方法既能高效率地解决薄板冲压成形变压边力优化问题，又能仅通过一次计算就提供多组方案以满足对冲压件成形质量控制的不同需要。     

某汽车保险杠横梁前板成形质量控制研究

针对汽车冲压件的成形质量问题,以某汽车保险杠横梁前板为例,采用正交试验进行工艺参数方案设计,并借助Dynaform软件进行工艺参数分析,以开裂和回弹量为优化目标,完成了压边力、模具间隙、摩擦系数和冲压速度4个工艺参数的优化,利用模面回弹补偿方法对拉延模进行回弹补偿,经3次回弹补偿迭代后,冲压件回弹量符合要求。将补偿后的模面加工,并完成试模。实验表明经工艺参数优化和拉延工序模面补偿后,某汽车保险杠横梁前板成形质量得到有效控制。     

平面并联机构位置正解的改进粒子群算法

根据杆长约束条件,给出了求解3-RPR平面并联机构位置正解的无约束优化模型.针对标准粒子群算法容易陷入局部极值、进化后期收敛速度慢等缺点,提出了一种基于新的差异度评价指标的改进粒子群算法--自适应变异粒子群算法.采用自适应变异粒子群算法求并联机构位置正解中的优化问题.数值实例表明,改进粒子群算法能求出全部装配构型,且收敛速度较快、精度较高.     

基于RP/RT/RE技术的金属板料冲压成形回弹误差补偿系统

针对冲压件回弹误差，建立了基于RP／RT／RE技术的三维复杂形状板料冲压成形回弹误差精度闭环控制系统。以回弹误差为控制目标，以线性控制系统、空间Fourier变换和频域传递函数为理论基础，基于模具实验迭代，建立了模具回弹误差补偿修正算法，并首次将该算法应用于三维复杂形状板料冲压模具制造过程。工程实例表明，该系统对于三雏自由曲面板料冲压模具制造具有良好的工程实用价值，特别能对冲压件回弹误差进行有效补偿。     

板料回弹控制的工艺模面优化设计

以车顶盖为研究对象,设计了若干实验方案,建立了针对板料回弹控制的工艺模面响应面模型;以回弹量为目标函数,以板料的最大增厚率和最大减薄率为约束条件,建立了优化的数学模型,通过序列二次规划方法对响应面模型进行了求解,得到优化后的模具工艺面参数.结果表明,工艺面优化后的模具成形产品在保证产品不产生重大成形缺陷的同时,塑性变形充分,而回弹量减少.     

基于神经网络和粒子群算法的管材弯曲工艺参数优化

针对弯管成形质量受多个工艺参数耦合影响的问题,提出基于神经网络和粒子群算法相结合的工艺参数优化方法。以压模压力、压模助推力、芯轴间隙、芯轴伸出量作为优化对象,以壁厚减薄率、横截面畸变率和起皱值最小为优化目标,通过神经网络构建优化对象和优化目标之间的非线性函数关系,并以此作为粒子群优化算法的适应度函数,实现管材弯曲的多目标工艺参数优化,最后进行了理论分析和实验验证。     

基于粒子群算法的多目标模糊物元优化研究

针对产品设计优化过程中多目标性、模糊性、不确定性等特性,提出基于粒子群算法的多目标模糊物元求解策论.建立了多目标模糊物元优化模型,定义了物元的各个权重,根据某种优化准则,将多目标优化问题转化成了单目标问题的优化.运用粒子群算法作为求解策略,并提出新的改进方法,给出模糊物元多目标优化设计问题的改进自适应粒子群算法(MAPSO)求解过程,并将它与其他方法进行比较,结果显示该算法具有较高的执行效率.     

基于数值模拟的覆盖件冲压成形工艺研究

覆盖件的冲压成形过程涉及几何、材料、接触等非线性因素的耦合，利用有限元法在计算机上对冲压件的起皱、破裂、回弹进行预测和分析，进而优化模具和拉深工艺参数，减少反复试验的次数，提高冲压件质量。阐述了汽车覆盖件成形数值模拟技术的理论方法及发展状况，并采用静态隐式算法模拟软件对典型覆盖件进行了冲压仿真分析，对其成形工艺进行了优化。     

样车试制过程中高强钢零件的成形及回弹研究

针对样车试制过程中高强钢零件存在成形困难、回弹复杂的问题,利用AutoForm软件对某车型大梁件进行全工序仿真分析,得到后大梁零件的成形性、减薄率、回弹情况并进行分析,提出一种优化工艺方案并通过零件试制进行验证对比。结果表明:优化后零件的最大减薄率减小16%,最大正回弹值减小5 mm,最大负回弹值减小3.32 mm,采用新工艺得到的零件成形质量良好,精度达到控制要求,较好地解决了原方案零件的成形问题,为类似零件的生产提供了参考。     

双曲度飞机蒙皮拉伸成形轨迹优化与验证

加载轨迹是决定飞机蒙皮拉伸成形质量的关键因素。对某双曲度蒙皮最大截面采用应变控制的方法，解析分析并推导出拉伸成形加载轨迹范围，并作为初始加载轨迹进行优化；采用最优化理论与算法和有限元数值模拟相结合的优化方法，以减小卸载回弹、提高贴模度为研究目标，以单元最大，主应变和厚度减薄率为约束条件，建立最优化数学模型，得到合理的拉伸成形加载轨迹；在自行研制的拉伸成形试验平台上进行优化结果验证，试验结果表明，成形零件贴模度、应变分布与厚度的均匀程度均有明显提高。     

并联机器人的粒子群优化神经网络自适应控制算法研究

针对传统控制算法对并联机器人的控制效果不好的问题,提出了一种并联机器人的粒子群优化神经网络自适应控制算法,该算法在基于神经网络的自适应PID控制算法的基础上,首先对粒子群优化算法进行惯性权重的优化和收缩因子的改进,然后将该改进算法应用于原算法上。仿真试验结果表明,提出的粒子群优化神经网络自适应控制算法,在性能上远远优于传统PID控制算法和基于神经网络的自适应PID控制算法。     

基于BBD设计和响应面法的隔热罩冲压成形工艺参数优化

通过与实验结果对比,建立发动机隔热罩冲压成形较准确的仿真模型。由此采用BBD设计安排45次实验,获得其最大减薄率和起皱率。以工艺参数为自变量,最大减薄率和起皱率为因变量,分别建立了两者的三次多项式响应面模型,并对其优化。以最大减薄率响应面模型为约束,起皱率响应面模型为目标函数,分别对工艺参数进行优化。优化后的工艺参数,使得最大减薄率和起皱率控制在较好范围,且基于优化响应面模型优化的工艺参数,对应的最大减薄率和起皱率更优。